166: 许华哲再次具身创业：不想错过最大的西瓜

也可能外界对你创业有一个标签，觉得你是带着更多技术理想的科学家创业。科学家创业不好吗？

1. 科学家创业进入主流

我觉得科学家创业有利有弊。几年前大家可能不喜欢科学家创业，主要有两个担忧。

一个是科学家有时候不太重视商业，对技术的热情过高，以至于只做技术。但是做一个公司显然不能只做技术，这是大家可能会担忧的一点。另一个是退路的问题。大家会觉得，技术人员不光是科学家，总还是可以变回一个老师，或者工程师，所以会觉得他们不够 all in。

但我觉得现在时代不一样了。这是几年前的观点，用 AI 的时间来算，基本上已经是上古时期的观点了。科学家里面有几个很好的榜样，大家也都知道他们的名字：伊利亚、哈萨比斯、杰弗里·辛顿，包括最近的杨立昆。我觉得科学家创业已经是这个时代的主话题了。

我有一个投资人朋友跟我说，他觉得在这个时代，从来没有像现在这样，学习好对创业如此关键。为什么？如果我做了一个杯子，想把它卖出去，科学家一点用都没有，因为造杯子这件事相对简单。但是我们在追求 AI 的同时，其实追求的是一种技术信仰。

如果没有对很远的事情的信仰，最后会变成卖杯子。但是我们要追求的不是卖杯子，我们要追求的是造出一个人，造出一个像人一样聪明的东西。所以我觉得，科学家的视野和 vision，也就是远见，在这个时代是最重要的。

OpenAI 是非常好的例子。这个故事大多数人都知道，但可能大家不知道，它最开始在硅谷也是一个异类。每个人都觉得谷歌最好，可以在里面开放地做很多科研，产出很多成果；而 OpenAI 相信的是堆数据这件事。伊利亚就一直在堆，直到 GPT 刚出来的时候，大家还没有意识到，直到 ChatGPT 出来的时候，大家终于意识到，他坚定的判断才是改变世界线的最重要因素。

这个因素来自哪里？来自科学家的信仰。

其实你刚才提到的这几个人，辛顿、哈萨比斯、伊利亚，还有杨立昆，杨立昆我理解是刚开始创业，对吧？刚融完资，刚开始运营。哈萨比斯和辛顿其实都是做了一段时间之后被收购了。他们好像和一般人理解的那种长期独立存在的创业公司不太一样。杨立昆也可以说是开始了自己的新创业，只是时间还不长。

我对伊利亚新公司的最新进展还不太了解，但是他在 OpenAI 的时代是里面的灵魂人物。是谁做了“搞这么多数据”的判断，谁决定了这件事？我觉得就是伊利亚，可能还有其他几个人，但我也不完全了解他们具体的决策过程。

但是你去看，真正改变这个世界的就是这些人。OpenAI 难道不成功吗？

DeepMind 被收购，我想是因为他们开始得太早了。他们应该是 2010 年开始做这件事的。2010 年是什么年代？那时候 ImageNet 还没有出现。2013 年 ImageNet 给大家带来很多惊喜，他们比那还早 3 年。能够活着已经很不容易了。

我只能说，AI 对 DeepMind 来说，就是他们的远见太远了。就像一个古代人说：“我要造一台手机。”他怎么活下来？秦始皇可能会说：“你在这儿搞什么呢？”

但他们有一个超级金主谷歌把 DeepMind 买下来，让它继续做后面的事情，而且保持相对独立的运营。现在我觉得 DeepMind 也成了谷歌最重要的一个部分。如果没有哈萨比斯，谷歌的 AI 可能已经快要被 OpenAI 这些公司团灭了。

那你做破壳的长期目标是什么？你想让这个公司长期独立运营，最后做出产品进入很多家庭，还是说类似 DeepMind 的情况，成为一个大公司的组成部分，这也是你可以接受的吗？

2. 消费者品牌成为目标

其实还真不是。刚刚聊的是科学家创业，但我并不把自己完全定位成一个科学家。大家对我的印象更多是科学家的这一面，但我其实更希望做出一个大品牌，有品牌效应的、面向消费者的公司。

你这次创业的时候，心中有没有想过什么公司可以作为榜样？

苹果。

雄心壮志。

首先，小米也是一个很值得借鉴的公司。我更把机器人看作智能和消费硬件的结合。它不像大模型一样是纯 AI，也要跟产品、品牌、供应链打交道。

苹果定义了一个新品类。我觉得家庭机器人，或者一个真正服务人类的机器人，在现在还没有被定义出来。每个人都可以说出一大堆自己的想法，但没有一个收敛的说法。

所以我第一反应是苹果。因为 iPhone 之后，所有的手机都长得差不多。智能手机就是一个黑块、一个大屏幕，几乎没有跳出这个框架。机器人应该是什么样子？这个框架能不能从我们这里发生改变？当然，这是我希望的。

第二，为什么说小米也是我们很好的学习榜样？我读过小米的一些书，其中有一本叫《参与感》。这本书里有我很理想的一个 To C 企业画像：跟用户交朋友，早期非常亲近用户，在乎每一个用户，也在乎自己的员工，让所有人的心在一起，把事情做好。

我觉得，让大家参与进来，共同定义产品，是一件很重要的事。这个产品不应该由一家公司自己定义，因为这件事情实在太大了。它应该取到全世界人类的最大公约数，定义出一个东西。

某种意义上，小米在论坛上让用户决定很多设计理念和功能走向。我觉得这件事本身意义重大，因为它在取这个最大公约数。只不过小米做的是手机，我们做的是机器人。

乔布斯有一个理念，是应该背对用户去做设计。你不要去听别人在讲什么，用户调研没什么用。

我最近也发现这一点：东西没有出来之前，你去跟人聊，他会聊出一些天马行空、没什么用的事；但东西出来以后，你让人使用，他是能给出非常好的答案的。

对，这两家公司本质上是一体两面。

如果你的机器人放到别人家里，每个人用着都不舒服，你还会坚持按照自己的思路做吗？

那肯定不会。我们肯定是让所有人用着觉得好用，这才是我们的目标。

但是如果一开始每个人都说：“我要高的。”“我要矮的。”“它必须一只胳膊长、一只胳膊短。”如果你听太多这样的东西，就没法做了。因为大家也不知道自己到底想要什么。

所以我的想法是，我们会给大家一个框，在这个框里面让大家满意。

你这次创业之前，除了在清华交叉信息研究院工作过，也有在星海图两年多的创业经历，但没有在产业界工作过。你觉得这件事对你想做一个大品牌、定义一个新产品，可能会带来什么问题？或者说，它本身是个问题吗？

没上过班。

3. 没上过班带来自由

这件事肯定有好有坏。没上过班，一个很好的地方是，我做很多事情时没有太多限定。

比如两年前，大家还会说用 AI 做作业可能是不好的，属于 plagiarism，也就是抄袭、剽窃。但是今年我做了一个改革：如果你的作业没有手写一行代码，我可以适当降低评分标准。就是说，你做到 80 分，我就给你 100 分。

因为我觉得未来的工作方式已经变了。你当然要会，但“会”的内容可能已经发生变化了。所以我可以不受约束地去想一些事情。

在公司里也一样：我们应该用怎样的工作流？应该怎样定义一件事情？公司的组织形态应该是什么？我觉得都可以创造性地去做。

未来等我们有了新办公室，大家可以看到，我们的办公室会像一个家。客厅既可以用来开会，也可以训练机器人，还可以录播客。我觉得很多东西可以打破常规，这是很好的。

我猜你们办公室肯定得有个厨房。

当然。我们希望整个办公室像一个大家庭，大家就在这个家里面工作。这样相关的场景也解决了，大家工作起来会很快乐。

当然，这还要装修一阵子。没上过班也有一些坏处，就是很多标准化的东西不是很熟悉。但是这些东西可以学、可以吸收。我们最近也招到了一些人，有各种知名公司的伙伴加入。

不受限制地去想事情，这件事很容易就回不来了。所以对我来说，利大于弊。

你们现在团队是什么情况？可以简单讲一下吗？

我们团队还很小，刚刚起步。有几个硬件的人，也有几个软件的人，可能还有我以前实验室的人、我的同学。我们经常说，我们这也是一个机器人兴趣小组。

现在我们正在造第一款产品。之后会迅速扩张，但我们希望来的人都是最好的人，也就是在各个领域真正能够把事情做到极致的人。

在现在这个基础上，你们特别需要补充什么人？新公司也可以广泛地讲一讲。

我们希望有做过 To C 产品的硬件工程师加入。我们是很认真地想把这台机器人送进家里面去。

我们也希望有一流的、最有才华的 AI 研究者加入，因为我们希望从 0 到 1 的创新在这里发生。同时，我们也希望懂产品的人可以看看我们。

我认为产品是这里面非常核心的一环。本质上，这是跟我们一起定义未来人类的生活方式，所以我觉得非常激动人心。大概是这些人。

你可以讲一下，在你们出发的时候，核心假设和判断是什么吗？我上周在小红书上看到你分享了一个帖子，说你和 Eric Zhang 见面了。他是 1X 之前的首席科学家，你之前是星海图的首席科学家，他现在好像也在筹划自己的创业。

你们当时写了一些共识，可以结合这个一起说说吗？

4. 机器人创业相信生态

第一个，我们都对机器人的发展非常乐观。18 个月这个判断还是他先抛出来的，我自己也是这个判断：最早在家庭中出现的智能机器人，时间可能就是 18 个月到 24 个月。

我一直觉得自己可能是一个非常乐观的人，但没想到世界上乐观的人不止我一个。

第二个，我很认同的是，我们应该相信生态。相信生态，是做机器人公司的一个核心假设。我们不会把所有事情都在自己公司内部完成。

比如，我们真的需要自己研究一个摄像头的帧率能不能再高一点吗？也许不应该做这件事。我们真的需要研究电机的线圈应该怎么缠吗？也未必。

这在以前的具身智能公司里很普遍吗？

我觉得相当多的具身智能公司，会把大多数能看到的事情都放在公司内部去做。毕竟融到了很多钱，也很自然地会去做。

但我总觉得，聚焦和极致是我们想要的风格。公司成立的时候，我把“极致”放在了第一位。

如果想要极致，就不能面面俱到。大家都知道，现在注意力是有限的，人的注意力有限，一个组织的注意力也有限。当你的注意力都放在 A 上时，B 一定会相对平庸一点。注意力只能放在几个重要的事情上。

如果我们希望自己不平庸，事情就不能太多。我们想做的最重要的事情，就是 AI 和产品，也就是智能能力和产品。

产品，我理解是机器人的本体，或者更全面地说，是机器人本体配上 AI 以后，能不能服务好用户，能不能让每个人用起来都愿意继续使用？

对。

你们当时还讨论了一个点，说要做 AI native，之前的路径依赖都是错的。

5. AI 原生拒绝旧路径

有很多人问什么是 AI native。我觉得这就像“世界模型”这个词一样，定义太多了。

首先，它不是传统的机器人学，not robotics。也就是说，不要一个一个地去解决很难的任务，这条路走不通，因为任务无法穷举。

传统机器人学是一种 rule-based 的方法，也可以使用 deep learning，只不过是一个小模型针对一个单独任务去训练。我觉得这是一种大的思维方式。

传统机器人学喜欢做什么？喜欢做超级酷、但只能解决一件事的事情。某种意义上，它的极致就是现在那些翻跟头、武术、跳舞。

更早的时候，传统机器人学还喜欢做一些更极致的事情：一根棍子上有一个旋转的东西，上面再摞一个旋转的东西，三个陀螺叠在一起，然后研究怎样移动底下的棍子，让三个陀螺不倒。

我在工博会上还看到过那种演示：有 3 个机械臂，一个拿着酒，一个拿着红酒杯，动作非常快，在机械臂之间来回移动，酒也没有洒出来。

对，这就是机器人学的典型：很帅、很炫，通过精妙的数学或者很小的模型，解决一个非常特定的事情。

以前库卡还有一个广告片，用好几个机械臂组成一个乐队，有的打架子鼓，有的弹贝斯。它们其实都是编程好的，但很酷炫。

如果弹贝斯能编程好，还是挺厉害的。

但它肯定不是通用 Physical AGI 的那条路。它本来也是一个广告。

同时，它也不是自动驾驶。为什么不是自动驾驶？自动驾驶非常重视数据闭环，把一些路段跑得足够好。比如如果我在清华附近，那可能就把五道口所有的路都采集足够多的数据，把五道口搞定，再到中关村，然后到海淀区，逐步这样做。

我觉得这不是一个通用的解决方案。

用自动驾驶的思维，也就是路径依赖，来做具身智能，具体表现是什么？这个行业里确实有很多以前做自动驾驶的创始人。

但这并不代表他们一定会有路径依赖。

我只是觉得，如果先解决一件小事，获得这件小事的数据，再去解决第二件事，然后用第二件事的数据让它变得更好，这样做可能比较困难。

也就是说，在一个小场景、小环境或者一件事情上，追求数据闭环，把它做好，我觉得这可能做不出来。当然这是我个人的判断，大家别打我。

你可以放开了讲。

这还是大模型给我们的启示。

AI 的核心本质是一个归纳器。假设它看到我和你都有一个水杯，而且它一辈子只看过这一件事，它就会总结出“人都要用水杯”。但其实不一定。比如我的宝宝就没有用过水杯，因为他一直喝奶，从来没有用过这种带把的马克杯。

当 AI 看到一个婴儿从来没有用过水杯，它就会得到一个结论：有的人会用水杯，有的人不会用。所以这个归纳器看到的案例越多，类型越丰富，归纳出的结论就越好。

多样性非常重要。而且这件事不能后来再补。也就是说，它已经得出“人一定要用水杯”这个结论以后，你再给它补充新的数据，很难改变它之前归纳出的结论。

你说不能后来补，意思是不能在预训练之后的流程和环节里再补，是吗？

至少会带来巨大的痛苦。你可能需要把婴儿的数据大量提供给它，但本质上，最开始就应该把所有数据放在一起。

你还说了一个 not caveman deep learning，也就是“不是史前的深度学习”。这指什么？

我觉得还有很多人喜欢做深度学习小模型。小模型在一定程度上也是端到端的，也可以做很多事情，但它有点像机器人学新时代的机器人学。

它结合了前面两种思路：你永远不要指望一个小模型叠加一个小模型，再叠加一个小模型，叠加 100 个以后，就等于一个大模型。我觉得不要有这样的期待。

如果它是小模型，只是每天搬一块砖，从早到晚做一件事，我觉得可以用小模型。但如果你想要通用智能，从一开始就走错了。

你这种具身智能需要 AI native 的想法，现在在行业里有多大程度的共识？

从大语言模型的思路来看，需要在预训练阶段使用海量、多样的数据，这是比较自然的思路。但之前几年，行业里确实有很多你说的另一种实践：先在一个小任务上追求数据闭环。

这种区别是由什么客观原因导致的？比如数据很难获取，还是因为其他原因？

我觉得大家还是没有完全相信 AI 的产生，没有完全相信 AI 可以产生通用 AI。

很多人做具身智能，但我觉得相当一部分人还是觉得它是一个机器人，跟工厂里的机械臂一样，只不过是人的样子。他们不相信 Physical AGI 会诞生。

我觉得这是一个很重要的点。

另一个原因是，几乎每个人都会讲 scaling law。在今天这个时代，没有人会说自己不相信 scaling law。如果他说不信，那也讲不出更好的故事。

但是他可能觉得，scaling law 就等于我有很多很多数据。我觉得这其实不是。你在一个固定、封闭的环境里采再多数据也没有用，因为本质上还是前面说的归纳问题：你看到的案例类型不够多，就归纳不出正确结论。

所以，有的人不信 Physical AGI；有的人过去通过做类似的事情成功过，觉得这次也可以这样成功；还有一些人可能不喜欢不可解释的东西。

我最近看到一个朋友用了 open cloud 之后，开始动摇他原来对可解释性的追求。他以前甚至不用大模型，觉得搞 deep learning 的人都是炼丹师。

你这个朋友是做什么的？

做机器人的。

做机器人的人不用大模型？

对。他是做传统机器人优化的，觉得 deep learning 都是炼丹，把不可解释的东西用数据怼一怼，然后出来一个东西，何必呢？他觉得最后一定会走进死胡同。

直到他用了 open cloud，或者用了 cloud code，他会说：“即使是炼丹师能做到这个程度，我已经认了。”他觉得太强大了。

大模型的思路用在具身领域，机器人如果真的要用起来，又很追求可控和安全。大模型现在也经常被讨论成锯齿型智能：它在一些很难的任务上表现很好，但在一些很简单的任务上也会掉链子。这会是一个问题吗？

我觉得会是一个问题，但让经验来说话。

之前我记得何恺明参加一个活动时，也有人问他：“你觉得让深度学习模型来开车有多危险？万一它掉链子怎么办？”

我觉得何恺明的回答很好。他说：“你坐一个老司机的车时，老司机也没有保证一定不会撞车，但你还是相信他，因为他可能已经开了很久，都没有撞过。”

对大模型来说也一样，对具身智能来说也一样。只要它在足够长的时间里没有犯过重大的错误，我觉得就可以相信它。虽然它没有保证，但从经验上来说，它不会犯错。

另一个方面，我觉得可以从产品设计上解决。大模型这条路就是数据驱动的，它会有一些窟窿，这些窟窿只能在运行过程中补上。

但从产品设计上，可以不把产品做得太激进，明确“不做什么”。只要明确不做什么，就酿不成大祸。

比如我们想做的产品，从第一天就会说，不做任何直接跟人体接触的服务。比如给老年人擦身体、给他翻身、把他抱起来，抱小宝宝、捏他、碰他、按摩，所有跟人体直接接触的事情，我们都不做。

因为这些事情一旦出问题，虽然算法上可以尽量避免，但一旦出了问题，风险是巨大的。而且这件事会推进得很慢，政策上会有很多挑战，用户心理上也会有挑战。就我是个用户的话，我也不想和机器人接触。

其实还真不完全是，很多用户特别想要这个功能。我有朋友说，父母年纪大了，如果有一个机器人能平时给他们喂饭，他会觉得很有用。

但这可能是我们最晚才会做的事情，不会是最开始就做。如果要选，我会把它放在最后。

我们去年讨论过这个问题。喂饭其实很难，因为它涉及准确性、力控等各个方面。

刚刚提到，AI 总会有一些窟窿，会有一些很低级的错误。我们可以在产品上保证，即使发生低级错误，也不会带来巨大问题。

就像小朋友一样，他也会犯很多低级错误。但你只要告诉他别玩火柴、别玩煤气罐、别玩尖锐的东西，把这些事情规定好，他大不了就是把你家的遥控器摔了，问题也不大。

基于这些核心假设和判断，你们公司第一阶段会重点做什么？也可以讲讲已经做了什么，因为筹备期其实也做了一些事情。

6. 破壳先做三件大事

第一阶段，我们会造自己的硬件本体，然后训练自己的 AI 模型。这是两件事。第三件事是定义产品。

我觉得就是 3 件大事。

这 3 件事有没有更具体的内容可以透露？比如产品形态，你现在是怎么设想的？你之前考虑过专门备菜的机器人，现在怎么想？

那些想法也都给了一些负面反馈，所以我们还是想做通用的，做一个通用的人形状态。

但我们可能轮式和足式都会做，先以轮式作为切入点，做轮式双臂。足式可能也会同期开展。

现在有没有深入到一些细节？比如续航、大小。家庭场景里怎样才合适？最开始的目标市场是中国家庭，还是欧美家庭？因为不同地方差别可能很大。

续航这些还要讨论，很多时候要看它的使用方式，跟产品定义高度相关。

但我想象中至少是 2 个小时左右的续航。它可以回充，一般也不会需要机器人在家里连续干 2 个小时以上的活，那活也太多了。它可以回去充一会儿，然后接着干。

在家庭选择上，我们想做全球市场，也就是每一个家庭。我有一个想法：当它真正足够通用时，很可能不太受具体家庭所在地的限制。

就像 AI 模型可能用 99% 的英语数据训练，这时候往里面加入一些其他语言的数据，不需要等量的数据，它也能在那种语言上学得不错。

所以我希望我们的家庭模型可以在各种各样的家庭里都有很好的效果。

这里面有一些特别具体的问题。欧美家庭如果是独栋，包括日本，可能会有楼梯；中国很多家庭是平层，是公寓楼。

还有机器人的电池。上次我和千寻智能的韩风涛聊，他说现在机器人需要的锂电池体积，能不能进家也是一个问题。比如电瓶车的电池，就不能拎到楼上。

轮式肯定有自己的局限。如果家庭里有楼梯，恐怕只能一层放一个。轮式没有办法真正意义上爬楼梯。

但它可以坐电梯。

对。我们可以尽可能让它轻一些，便于搬运。

电池大小除了能不能进家，还有很多限制。比如出海时，大电池会有很多挑战。还有机器人的重量，如果它突然宕机了，别人能不能把它送回基站继续充电，等等。

这里面会有非常多细节问题。但我们想解决这些产品问题，需要深入具体场景去看。模型本身是通用的。

模型方面，你们现在准备怎么做？可以讲一下大的思路。

7. 统一模型追求通用泛化

模型方面，我们想基于强化学习做很多事情。

我一直觉得，还是要从 AI 的宏观角度去想。AI 可能需要获得探索能力，也就是跟世界交互、产生数据；第二，要对数据有自己的评估；第三，要想办法使用好这些数据。其实就是这 3 件事。

现在很多地方可能低估了强化学习，或者说低估了评估这一步。我们的数据质量是良莠不齐的，有好的，也有坏的。如果把所有数据都直接放进去训练，一定程度上会带来问题，因为坏数据会让策略劣化。

除非坏数据的比例特别小，可以被平均掉；如果坏数据的比例不小，但这些数据也不是完全不能用，而是次优数据，那我们是不是应该给它一些评分和评级？

还有一些失败数据，是不是也可以用起来？我觉得这些都属于强化学习能够覆盖的范围。

所以我们希望机器人自己跟世界交互，学习更多东西，并且自己对数据做判断。这是我们在模型上可能跟大家有比较多不同的地方。

你们整个软件系统会是一个统一模型，还是分层、由很多不同模块组成？

会是一个统一模型。也许顶层的 VLM 是分层的，但干活的部分肯定是一个统一模型，跟动作、行为相关的，应该是一个统一模型。

这又回到归纳法的问题。它必须是统一模型，因为你是把不同数据放在一起训练的。

一个任务一个任务地解决，永远解决不完，也不可能通过做 100 件事，领悟到 1,000 件事。这件事永远不会发生，所以必须是一个模型。

据你所知，这种一个模型的方式在业界普遍吗？大家经常讲端到端，讲统一模型，但目前能看到已经使用起来，或者有一些 demo 的机器人，实际上是什么样的模型结构？

我觉得预训练阶段，大家还是统一的端到端大模型。但在后训练阶段，我不知道大家具体怎么做，我观察到的是，大家会针对自己的一个任务做后训练，然后就结束了。

这样最终是把预训练的大模型，在后训练阶段收缩到一个具体任务上。

我们想做规模化的后训练，让模型在后训练之后仍然保持泛化性，而且能够做很多种任务。这是目前强化学习后训练做得比较少的事情。

所以跟之前的思路不同的是，除了预训练环节是统一模型、追求通用和泛化之外，在后训练阶段，我们也追求通用和泛化，同时追求高效和成功率。

这种方式在最初阶段，每个任务上的表现可能都比较差。

有可能。毕竟是若干个机器人同时在学习。

但这没关系？

没关系。本来这就是训练模型循序渐进的过程。它就应该一开始每个任务都比较差，然后渐渐地大家都变好，最后突然所有模型、所有任务都变得比较好。

不应该是我在一个任务上特别好，在别的地方都不行。这跟前面说的 AI native 是一致的。

不要担心它在所有任务上都比较平庸，因为再过一年，它会变得在所有任务上都很好。

你刚才说“过一年”，这是确切时间，还是随便举例？

随便说的。

那确切可能是多久？

不好预测。

为什么很多公司会追求先把一个任务后训练得很好？

因为公司一旦运营起来，就会有各方面的压力，包括团队内部、投资人和市场。大家希望看到它好像一步一个脚印，反馈不断出现。

你说的方式在技术上有合理性，但在组织一群人、包括外部资源方，让大家相信你一直在进展上，会有更多需要解释的地方。

首先，这是一个双向筛选。我还是很喜欢 OpenAI 早期那种尴尬的状态。他们当时一定非常艰难，因为他们说：“我要 scaling，我要堆一大堆数据，就能做出一个超级智能体。”不相信的人应该是大多数。

所以我说是双向筛选，但也有人相信。那就去找相信的人一起同行。

OpenAI 在美国其实是一种蓝血创业，有马斯克、霍夫曼这些已经赚了很多钱的富豪来支持，还有萨姆·奥特曼。你觉得在中国的环境下，给你的空间有多大？

肯定会有这样的风险，所以我们也不会完全不展示进展。我们会拿出很多进展，也规划了很多中间节点，会给大家看。

我当时跟很多投资人朋友聊天，还挺惊讶的。我以为他们会想听 milestone，想听我短期内能拿出什么：3 个月能不能拿出一点，6 个月能不能拿出一点。

但确实有一批投资人跟我说：“华哲，其实我不在乎这个。我在乎的是你最后做的东西是不是最大的那个东西。”

他说现在投资人的心态也不一样了，不要小瞧投资人对未来的梦想。他们也想追求那件事，只是他们是以投资的形态参与。大家当然希望最后赚到钱，但并不是想象中那种极致地给你压力，或者一定要短期内看到什么。

我觉得大家的心态也在改变。现在具身智能处于投资狂热期和上升期，但之后肯定会有波动。

现在大家还是充满热情，因为这件事太大了。

如果一定要选一个足够改变人类社会的事情，可能也就剩下去太空、量子、具身智能和可控核聚变。这里面确定性最高的其实就是具身智能。虽然它也很远，但几乎确定会到来。

其他几个我不太懂，但我觉得可能比我们更远。所以，一个虽然很远、但确定性不低的事情成为热门标的，我觉得是理所应当的。

那你们规划的 milestone 是什么？比如你前面说进家庭最快是 18 个月，18 个月之后会发生什么？

我们希望到 2 年左右，已经有人在家里使用我们的机器人做一些事情了。

也就是 2028 年初？

2028 年初。到时候我们可以再做一次播客。

可以。到时候我可以说：“你怎么没做到？”

我还是希望能做到。

至少我们的办公室会做成一个家的样子。1 年左右，我希望在办公室里可以跟机器人说：“你就在这个家里做事。”起码它得能做到一些能力。

真正通用的家庭机器人，我觉得可能需要 2 年。

在你设想的 2 年目标之间，有哪些事情比较难，或者还悬而未决、不完全确定能不能解决？

数据的使用方向应该比较确定，会往视频这一侧走，数据量也会比较确定地变多、变得更加平权。

模型侧，随着数据变大，模型也一定会变大，能力越来越好。

第三，大家会越来越接受这样的机器人可能成为未来生活方式的一种终端，就像现在每个人都使用智能手机一样，接受度也会变好。

这些都比较确定。不确定的其实是路径：究竟用怎样的模型把这些数据都吃进去，应该用怎样的本体，才是大家最能接受的。

这里面有什么科学性的难点吗？你觉得硬件不是卡点？材料、能源之类的呢？

硬件也是一个卡点，但它是可以攻克的卡点，不是那种不确定的卡点。

比如我缺一个电机，某种意义上大概率能造出来，或者能找到，只不过可能要花一些时间、力气和思考，但基本上是确定的。

关于你刚才说的第一个不确定部分，也就是怎样的模型可以把这些数据吃下来，你之前分享过一个思路：预训练配合先验学习，获取先验很重要。这个先验是我们总结出的世界规律。

机器人需要什么？需要世界的物理先验，对吧？它需要的不是语义先验，因为语义先验某种意义上靠 VLM 就可以提供。

对。物理先验更多是指，我知道一个物体掉落以后会弹起来，还是会直接落在地上。

我觉得这件事很重要。有了这样的先验，机器人才能更快适应新的环境。

再配合预训练，也就是在机器人上做预训练，带着这些先验，它可以学到很多具体动作上的先验。这也是一种先验，从物理到动作，或者说从物理到交互。

它可以学到应该怎样跟世界大致打交道，再到后训练，学习更多具体怎样把事情做好。

物理先验怎么赋予机器人？

这有很多方式。最近世界模型也是很好的物理先验。你可以把它作为模型的骨干网络，也可以把它当作生成器、数据生成器；还可以直接使用它的下一帧，再求一个逆解，把中间的动作求出来。

这部分还处于探索状态。

那你现在有倾向吗？

我们目前还是倾向于把它作为骨干网络。

这部分是不是也可以留给生态？比如世界模型可能不需要你们从头做，VLM 肯定也不需要从头做。

是的。也有专门做这些的团队，我们没有必要从头做。

按照你现在的思路做一个具身模型，需要什么样的资源？在具身智能的预训练和后训练上投入，到做出第一个版本，大概要投入多少？

这取决于数据量。在现有数据量下，可能 1 年投入 1 亿到 2 亿元，是比较合理的。

人民币 1 亿到 2 亿元？

对。现在数据量还很小。等数据量起来以后，我觉得投入量会跟大模型差不多。

那也会是一个重资源的竞争。

我觉得后续当路径变得收敛以后，资源量可能会变得比较重要。

如果 18 到 24 个月之后，像你设想的智能机器人已经开始进入家庭，更大的公司会怎么反应？会在什么时候跳进来？家庭是大家认为很终极、很大的场景。

我觉得他们会在那个时候进入。

更大的公司本质上没有办法离开自己的主营业务去做新事情，只能在这里驻扎一个小哨兵，或者一个小实验室，做很多事情。但当他们发现这件事可以变成主营业务时，我觉得他们也会来。

在现在这个阶段，你最关注全球哪些同行？你之前在知乎上写过，Generalist 和 PI 的一些进展会让你焦虑。

对，PI、Generalist、Sunday，还有 Figure。

我很关注 Figure 到底是不是真的。它总是透露出一种又很厉害、又有点营销的气质。

它前天又发了一个新视频，是整理客厅的那个吧？太丝滑了，也太厉害了。

以至于我很想现场看一看，自己到那个场景里挪一挪东西，看看 work 不 work。会不会像特斯拉那次一样，机器人突然自己开始摘眼镜？

那次是有人在遥操作。

对，遥操作的人把头显摘掉了。所以我就是想知道它到底是不是真的。

另外 3 家，我觉得某种意义上，它们的基因决定了做出来的东西一定是真的，智能能力也都很好。

所以你主要关注它们智能能力上的进展，觉得这是全球最领先的？

对，主要关注智能能力。产品设计上，我也很喜欢 1X。

国内有一家叫傅利叶，我很喜欢他们 GR-3 那个白色机器人的样子，跟家庭场景比较契合。

还有一家机器人公司叫 FAUNA，它是一个头很扁的机器人，我也觉得挺有意思。这些是产品设计上我比较喜欢的几个。还有小鹏，小鹏那个也很酷。

你提到的几个在智能方面最关注的公司，1X、Generalist、PI 都不是中国公司。这说明什么？

8. 中国不能错过智能窗口

其实我们第一次对话时是在东升大厦。你记得我说过，我回国是因为相信“东升西落”。

对，你相信最好的东西最终会在中国出现。但现在好像不是这样，这反映了什么？

一定程度上，我觉得是美国创业者的战略定力可能好一点。他们第一天就说“我要做这件事”，然后一直做这件事。

比如 PI，从第一天就说要做智能的 Physical Intelligence，名字本身就是他要做的事情。他就一直做，隔几个月发一个东西，现在仍然保持在第一梯队，或者第一、第二的位置。

中间好像没有发生什么变化，也没有明确的商业化预期。虽然有一些商业化尝试，但没有说一定要商业化。

所以我觉得，他们可能更有战略定力，沿着自己的 vision 去做，就像当年的 OpenAI 一样。

更有钱是一个本质差别吗？他们融了更多钱，但那边人力成本也更高。

我觉得这也是一个原因。他们更有钱，所以容错空间可能更大。

另一个原因是氛围。就像小时候上课，如果老师说：“我看看今天谁坐得最直。”大家都会坐得很直，觉得谁的腰杆挺得越直，谁就越好。

如果班里都是这样的氛围，大家就都会做这件事。另一个班里，老师可能说：“我看看今天谁发表的观点最多。”那大家就会七嘴八舌地说。

有时候大家会看看身边的人：“他都在说话，那我也去说话。”公司之间也会有同辈压力。

这也是为什么我愿意在网上分享一些想法。我希望把氛围往我认为更本质的方向推一推，传播自己相信的东西。

你有一个形容挺好的：你害怕中国的具身智能从业者错过最大的西瓜。

对。智能是最后的决胜点。如果不去做一个很好的通用智能，那些铁架子里面最后装的大脑就不是由你来控制。那我认为，这就错过了定义未来的权利。

目前我们肯定还没有完全错过，对吧？

肯定没有错过这个窗口。

那你觉得正在发生什么，可能会导致差距越来越大？又或者说，我们应该做什么，让差距越来越小？我指的是智能方面。

第一，这可能有点科幻，就是 singularity，也就是奇点。

当 singularity 到来的时候，可能会发生一些很吓人的事情：大模型自己写大模型、改进大模型；机器人自己拧机器人，去制造机器人。当智能达到那个点，游戏就结束了。

所以在那个点到来之前，我们要去竞争。竞争一直都会存在。

留给大家的时间还有多久？

如果是完全达到 human-level 的通用智能，我认为可能还有 5 年左右。

你觉得这个行业里，现在有哪些现象不利于大家往智能这个方向努力和投入？

第一件事是卖数据。

9. 数据不能卖给竞争对手

现在有很多行业公司采集数据以后把数据卖出去。因为英伟达和其他公司没有能力自己采数据，那里的人很贵，所以他们只能从有大量人力运营能力的公司购买数据。

我们知道数据是弹药，但仍然把弹药卖出去，因为这样可以赚钱。

这就像把最宝贵的东西卖给竞争对手，为了让自己融到资，或者让账面看起来更好看一点。古话说“今日割三城，明日割五城”，我觉得这是比较危险的事情。

在国内自己倒腾、卖一卖、赚赚钱，我觉得可以；但如果卖到美国，我觉得是一件很危险的事。至少我们可能不会干这件事。

第二件事是无脑量产。根本没有那么多需求，那些量产出来的东西到底卖给谁？

我很想看到一个数字，叫机器人活跃率，也就是日活。我想知道卖出去的 5,000 台机器人，日活到底是 10 台、100 台、1,000 台，还是 5,000 台。

这个提法挺好。

但很难看到。它是一个硬件，是一个固定资产，所以你看不到这个数据，也没有人会拿出来给你看，因为那太难看了。

它不像软件。软件拿出来就是用户数据，如果给假的，就是造假，大概率给的是真的。

但机器人可能会说：“我都卖出去了。”然后都是各种客户。但其实日活是一个非常关键的数字。

还有跳舞。我觉得跳舞其实是特别好的一件事，它有实际用途，也有真实需求。但我觉得这件事到现在已经差不多了，已经比较成熟了。

你觉得它作为一种表演，已经成熟了？

对。你当然可以像体操运动员一样，今天翻一个 1080，明天再增加 180 度；也可以像滑雪运动员一样不断增加难度。

但让机器人不断卷跳舞，我觉得就失去意义了。人为什么要卷这个？因为人的生理极限在那里，一个 180 度动作可能真的要苦练两年。追求的是人的生理极限。

机器人没有这样的生理极限。你只要多花点钱，把电机性能再提高一些，就可以再增加几圈。

它也有物理极限。

物理极限还是有的，但确实跟智能关系不大，而且物理极限特别高。

把腿部电机做到极致，让它跳得特别高，这件事我觉得还是要看应用。如果只是纯表演，我觉得没必要追求今天跳 2 米、明天跳 3 米。

但如果有具体应用，比如要翻山越岭，去极端场景，那我还是很认同围绕这些场景展开。

你刚才总结的“无脑量产”挺有意思，我觉得是一语双关。

为什么？

一方面是没有考虑量产出来用在哪里，另一方面，产出去的东西有一个躯壳，但里面可能没有所谓的机器人大脑，或者大脑并不是重点。

对。我也不知道真实情况是什么。你卖给这个客户一些，卖给那个客户一些，到底有多少在备用，确实不知道。

但如果未来我自己做这个公司，我会把数据收集上来，作为公司真实的反馈。

如果卖出去 1,000 台，只有 20% 的机器被真实用户使用，而这其中又只有 20% 被日常使用，我觉得相对来说有一点遗憾。

具身智能这个行业现在观察起来有一些难度，很多事实不好掌握。

我们之前想过做一个选题，了解各家公司在 2025 年实际卖了多少机器人，这些机器人卖到了什么地方。有的可能是蔬菜工厂，有的可能是租赁公司，还有的像中移动，自己下了很大的订单，当然不一定全部交付了。

一开始我想去问投资人，因为他们应该会做尽调，可能掌握一些信息；或者问供应链里的人。但后来发现，好像没有人能完整掌握这个情况。

对，因为很难收集。你卖的是一个物理实体，卖出去以后就到了别的公司、实验室或者个人手里。你也不能在里面装一个东西，让它反馈数据。

它可能只是亲朋好友支持你一下，也可能是买回家觉得很酷，或者是各种各样的原因，反正就是得买一台。

我觉得消费级产品陆续出来以后，可能会有更直观的数据。比如维他动力发布了 V-Bot，宇树的机器狗也发布了新一代。

还有你们说的 18 到 24 个月以后，我们可以看一下机器人进入家庭之后到底是什么情况。

期待。

可以期待。

10. 创业回到最初使命

接下来我们可以回到更早之前，聊一些你的成长经历。我觉得这跟你现在的技术和商业判断也有关。

首先我有一个没有什么逻辑的观察：我发现具身智能行业里有很多东北人。你是东北人，高阳也是，千寻智能的联创高阳也是，逐际动力的创始人张威也是。

东北人和机器人有什么亲和性吗？

首先，你这个观察未必准确。具身智能公司那么多，如果真的统计，东北人可能不是比例最高的。

因为我感觉东北人创业的人没有那么多，但这可能是一种偏见。

第二，东北很大。你说江苏人的时候会说江苏人，甚至会划分得更细；但你说东北人的时候，包含了 3 个省。

第三，我觉得东北人比较 physical，大家很享受物理的生活。

无论是疫情以前的一些段子，说“东北人怎么瞅我”；还是搓澡、过年的年味儿、大扫除、放鞭炮，这些都说明东北人比较 physical，喜欢物理世界的事情，喜欢生活在真实里。

经商相对来说可能没有那么 physical，所以你观察到东北人创业相对少，但具身智能很 physical，可能就中和了一下。这是我瞎想的。

本来我也觉得这只是一个没什么逻辑的观察，但挺有趣。

你是什么时候开始觉得，机器人是你想长期做的方向？

博士期间。

你对 AI 产生一些思考是在高中时候？

对。我高中是东北师范大学附属中学的，算是一个很好的学校。

那时候学了一点计算机竞赛，跟两个小伙伴一起看神经网络。我们会想，神经网络未来可能会做出一些 AI。

你高中应该是 2009 年到 2012 年？

对。那时候就是几个学生。最后我参加的是物理竞赛，但我跟几个计算机竞赛的人在机房里，除了写题也没什么事，就很喜欢空想：计算机发展到最后，极致的情况会是什么？

所以那时候就知道有神经网络这样一个东西存在。

你上高中那会儿，正好是这一轮深度学习热潮开始复兴的时候。2012 年算是一个标志性时间点。

我觉得是 2012 年、2013 年。

我大一时，清华电子系有一个比赛，是写一个小游戏。学长学姐已经写好了游戏，说你可以给它写一个 AI。我尝试用神经网络写，但失败了，完全不好用，最后还是改成传统算法搜索，用了 A* 算法，拿了一个也不是很好的名次。

但那是我第一次尝试写神经网络。因为我本身很喜欢打游戏，所以很想给游戏写 AI。

我一直很喜欢《星际争霸》，博士期间还花了大概 6 到 9 个月，全职写了一个《星际争霸》AI。

所以那时候你就想做一个能自己决策的 AI 系统，但还没有明确到机器人？

对。后来到博士期间，我某种意义上接触到了真正的 AI 前沿。

最开始是从视觉切入的。我看到了神经网络是什么样，看到了计算机视觉的能力有多强。我还做了一个自动驾驶项目，发现 AI 确实可以在物理世界里做决策。

所以后来我的主线变成两件事：一件是打游戏，一件是机器人。

你说的打游戏，不是你自己打，而是用 AI 打游戏。那时候应该是用强化学习，对吧？

对。OpenAI 当时也在做强化学习打游戏，打 Dota。

我当时做了很多游戏，从 Atari 到《超级马里奥》，再到《星际争霸》，还有一个网页游戏叫 Generals.io。

因为我很喜欢玩游戏，所以我把自己觉得在智力上比较有挑战的游戏都做了一遍。我发现这件事很有意思，也很满足我作为 gamer 的乐趣：自己写一个 AI，比别人玩得更强。

但后来我发现，强化学习太擅长做这件事了。基本上所有游戏，只要努力，最后都能做出来。不管是麻将、德州扑克、即时战略游戏，还是卡牌游戏，都可以做出来。

机器人是一个挑战更大的事情，所以我更想做机器人。而且机器人不只是挑战大，影响力也更大。游戏毕竟只有一小群人会特别喜欢，但机器人是所有人都需要的。

那是在博士几年级？

博士三四年级，大概是 2018 年、2019 年。

你在知乎上写过一篇文章，分享从 21 岁到 30 岁每一年生日写给自己的话。2018 年、2019 年好像也是你心境变化比较大的时候。

对，那时候画风突然深沉起来了。

我其实一直不是一个深沉的人，只不过跟人打交道时和自己一个人在小屋里时，状态会很不一样。

那时候有两件事对我很重要。

一件是科研做出了相当不错的成果，不能说特别顶级，但该发的论文也发够了，该做的事情也做得差不多，达到毕业要求，也达到让导师满意的程度。

我突然有点迷茫。好学生当完了。

你从小就是好学生。你是保送的吗？

对，物理竞赛保送。

我有一个习惯，经常会在各个地方跑到第一梯队，然后开始琢磨下一件事是什么。我不是那种一定要卷到头的人。

当然我也可以接着发论文、接着去卷，但我会想：沿着线性的路继续走，还是应该有一个阶跃式的变化？

博士期间很难有真正动作上的阶跃变化，但思想上那两年发生了巨大变化。

沿着这条路线走，我能看到的是，继续发 3 到 5 篇论文，读一个博后，找一份工作，无论是在谷歌、Facebook，还是国内，或者去教书，都比较清晰。

但我会想，我做这些事情有意义吗？我只是为了找工作吗？这个事情即使不努力，也大概会是这样，那我应该往哪里努力？

我会想，作为一个人，怎样才有意义？哪些东西是真实的，哪些东西是别人给我定义的？这些科研到底有没有价值？这些都是我当时在想的。

你的答案是什么？

大多数科研没有价值，最后会变成人类进步道路上的一点噪音。

它确实在人类文明进步的路上，但没有往前垫一块砖。大多数科研是一点噪音，当然也有少部分科研真的往前走了一步。

所以真正想做的是不是噪音的科研，不是噪音的事情。

我的意义也想得比较清楚。我追求的不是变得多有钱、住一个大房子之类的事情，我发现自己对这些完全不感兴趣。

我也不感兴趣自己是不是处于一种多么成功的状态。我更感兴趣的是，如何帮助更多人，以及自己能不能在这条路上有非常极致的体验。

你是博士三四年级开始比较认真地想这些？

对。此前中学和大学没有想这些。

中学和大学更多想的是怎么开心、怎么做最投入、最爽的事情？

对。那时候想的是眼前能做什么，以及做的过程是不是投入。

明天有音乐节，我就去；过两天要考试，我就狂学；再过两天有越野跑，我就去跑。什么都干，干了很多我觉得很好玩的事情。

我看你的爱好非常丰富。现在比较收敛了，收敛到机器人和智能。

机器人不算爱好，我觉得是爱和使命。

爱和使命。

对，机器人是爱和使命。

爱好的话，我以前试过很多东西。我很喜欢发散地试试各种各样的事情。

我试过听歌，后来发现自己听不进去流行歌，但很喜欢周杰伦的一些歌。

你还听了很多古典音乐，在伯克利也学过和声学之类比较专业的音乐课程。

我觉得音乐对我来说是一种准确描述。音乐、读书和一些理论，某种意义上都是在描述世界。

这种描述的精确性，其实就是它美的部分。

当我看到一段文字特别戳心，本质上是因为它描述出了我的心境，或者描述出了我对这个世界的态度，或者描述出了一个场景。

音乐也一样。当我听到舒伯特 D.960，我脑海里会出现一种神性的、天堂般的感觉；听到巴赫的《恰空》，我会觉得自己在宇宙中，宇宙无限地展开、折叠。

理论也一样。一个好的理论应该能描述世界很多规律。

所以对我来说，它们都是对世界的描述，而这种描述本身是一种美的体验。

其次，我认为它帮助我化解了很多烦恼。当你听到一些音乐描述自己的痛苦、自己的使命时，你会觉得：“原来有人也这样想过，有人也思考到这里。”

我很感谢博士那段时间。那时候听了很多音乐，也练了很多琴。现在没有那么多时间了，但当时对我的帮助非常大。

你弹钢琴？

对，弹钢琴。

我也很喜欢重复，但重复的是有变化的事情。网球对我来说就是这样。一次一次挥拍，好像没有什么变化，但你会发现球的质量会产生变化：这里稍微提前一点，那里节奏稍微改变一点，另一个地方角度调整一点，就会产生变化。

这需要大量重复的强化学习过程。练琴也是这样，一遍一遍练，盯着一个地方练 100 遍，最后终于把它练下来。

这种重复的过程，我觉得就是生活本身。

生活某种意义上就是不停重复，但每次重复都是一个 spiral，是螺旋。看起来一直在原地打转，但从另一个侧面看，它其实在往上升。

我很喜欢这种感觉。我不喜欢看起来做了很多新事情，但最后发现其实只是在一个平面上不断重复。

所以最后，我把很多发散的东西都收敛掉，收敛到这些我喜欢的、重复但不无聊的事情上。

你觉得智能是一个重复但不无聊的事情吗？现在看起来，智能发展对于很多普通人来说一日千里，完全望尘莫及。

那是它的表现，是性能提升。但究其本质，智能里面也没有太多秘密。

至少现在的智能，也许未来还会有更好的，现在的智能就是 Transformer 加上数据。把里面每一个部分都做得更好，性能这里涨一点，那里涨一点，最后就会很好。

我喜欢围绕一个东西，把每个地方都做到极致。这也回到为什么是“极致”：把每个地方做到极致，这件事就会变得正确，变得更好。我喜欢这样的事情。

我前段时间见一个投资人，他写了一条笔记，说“好奇心大于成就感的人不适合创业”。你会怎么在这两个维度里定位自己？

好奇心和成就感我都非常追求。

好奇心本身是一件很大的事情，但我的好奇心希望是聚焦的好奇心。

如果你的好奇心是今天想看看机器人怎么做，明天想看看另一个大模型怎么做，后天又想看看智能手环怎么做，那肯定没有一个东西能做下去。

对我来说，使命已经确定了。我的好奇更多是：怎么把这件事情做成？

你刚才描述从用强化学习做游戏 AI，到觉得机器人是对你来说更重要的事情时，用了两个词：挑战更大，更有影响力。这两个在你的评价指标里很重要吗？

这是我个人的一个小爱好：有得选的时候，一般会选更难的事情。

我也不知道为什么，只是觉得这是在追求极致体验。人生在这里就是体验。如果做的事情太简单，体验就很差。

我玩游戏也从来都是直接选最难的模式。

保送更难，还是高考更难？

都差不多。

正好你提到保送，我当时其实没有考进国家金牌那种保送。我考的是省赛保送，考完以后其实挺意外，但因为各种原因，没有直接保送。

正常来说，按照我的水平，应该能够直接保送。但当时留给我的选择是：可以保送去一所不是清华的学校，那是稳的；也可以考清华保送生考试，考上就去清华，考不上就回去继续参加高考。

我的父母几乎都在劝我去保送，因为那所学校也很好。

上海的一所高校。

对。但我几乎不用思考，就说那我再考一下清华。不行就回去高考，考不上就考不上。

我几乎不需要长时间思考，就会选择更难的事情，因为觉得好玩。如果做简单的事，好玩的程度会大大降低。

所以选择更难的事情，是你一贯的倾向。

对。

更有影响力，则是围绕我的核心追求，也就是帮助更多人。

具体故事我已经记不清了，但有一个类似的故事：一个小女孩给航天机构的人写信，说每年花这么多钱造卫星、造火箭，为什么不把这些钱捐给吃不起饭的人？

这个问题没有确定答案。我觉得近处的人和远处的人都要帮助。但也有人说，很多年前，一群人拿着本可以让别人吃上面包的钱，去研究一个当时看起来没什么用的东西，叫显微镜，后来因此发现了抗生素。

有时候你不知道做哪件事情才是正确的。

所以我希望做有影响力的事情，像显微镜一样，像造火箭一样，能够长久地造福人类。这就是为什么我看重影响力。我一直会说自己是一个 impact-driven 的人。

被影响力驱动。

对。但这个影响力跟帮助他人结合在一起，不是一般理解的赚钱、出名。

赚钱、出名当然也是一种影响力，但我想的是更多地影响别人的生活，并且往好的方向影响。

比如如果我发明了抗生素，或者更准确地说，如果我发现了抗生素，我会非常自豪。因为可能全世界某种疾病会因为我的努力而消失，那是非常大的影响力。

但一般来说，非常有影响力的科学发现，很多时候也会带来双面影响。抗生素挽救了很多生命，但另一方面，滥用抗生素后来也成为社会现象和社会问题。

很多趋势是不可逆的，最终能不能用好取决于人。但对我来说，我肯定要往好的方面使用它。

就像核能一样，发明或者使用的时候，当然不一定是很好的使用方法，但后续仍然可以造福人类。只要往善的方向努力，对我来说就够了。

你刚才描述音乐、网球和做研究的过程，说它们都是对世界的不同表达方式，都是一种美的形式。

你能讲讲自己对技术之美的理解吗？你的技术审美、偏好和品味是什么？

简单。这是我认为每一个技术人员，或者关注技术的人，都应该公认的第一性的美。

爱因斯坦说过：Everything should be made as simple as possible, but not simpler。

我在课题组里也经常跟大家聊，我们做的东西要用小方法解决大问题。方法要简单，问题要复杂，这样的东西才是最美的。

反过来，如果方法特别复杂，一坨一坨的，但只解决一个特别小的问题，比如只能倒一杯水，方法却特别长，那往往是丑陋的。

所以我觉得“简单是美”非常重要。

除此之外，我喜欢一致。一致很难描述，就是很多思路上保持一致。

比如有人说我也做端到端，但我有若干个小模型，上面再接一个知识图谱，把这些小模型串起来。我觉得这件事本身是相互矛盾的。

如果你相信知识图谱式的方法，那底下就不应该有这些深度学习模型；你应该把这些东西继续拆，最后拆成一个巨大无比的网络。我觉得那会是非常美的东西。

你说的是每个小结构都是大结构的缩影？像把海岸线不断放大？

对。你放大到极限，它应该是一个特别细碎的东西，但从远处看又非常美。

或者你就相信所有东西都是端到端的，它就是一个统一的东西。我觉得理念上的协调对我来说很重要。

我不太喜欢若干个理念拼凑成一个东西。看一个技术，我会看它的理念是不是一致。

你觉得“有用”在你的审美里处于什么位置？

有用。有时候大家会说，不管用什么方法，最后能 work 就行。

但我觉得有用是一种结果，跟美不美没有关系。美的东西可以很有用，也可以没有用。这是几乎正交的两个维度。

从 2025 年整个行业来看，你觉得有哪些比较大的进展，会对接下来一段时间大家做具身智能有帮助？

2025 年成果非常多。

π 的那些工作，显然是一个非常核心的推动力。Generalist 数据集的规模，也给大家带来了 scaling 的推动。

各种各样的 embodied VLM，我觉得也很有价值。它们让我们看到，在具身交互里，除了操作本身，还有很多成长空间，比如让机器人更理解空间、更理解事情、更理解语义。

强化学习让我们看到，可以高成功率地完成任务。这是我自己做的工作，我非常兴奋。我们做到了 100% 的成功率。一作同学当时也非常亢奋：成功率 100%。

你们自己做的这个工作，已经是你现在说的这种思路了吗？强化学习后训练是泛化到各种任务，还是针对一个任务？

针对一个任务。实验室没有那么多资源把规模做得很大。

但我们针对了 7 个任务，7 个任务都可以做到很高的成功率。

你们把 7 个任务的数据放在一起训练了吗？

没有。放在一起肯定还有挑战，不是简单放在一起就立刻 work。

所以那项工作做到那里就结束了，后续会沿着它继续做新的工作。

到目前为止，这个领域有没有出现过类似 Transformer 在 2017 年那样的、开创性的东西？当然现在回头看，Transformer 的重要性可能更明显，但当年大家看到它时是什么情况，也不好说。

目前还没有特别看到。

这种东西需要回头看，需要时间检验。现在学术圈也很喜欢这个概念，在每个学术会议除了最佳论文，还会有一个 Test of Time，也就是时间检验奖。

我记得上次在美国开会时，主持人说：“没有拿到最佳论文不要灰心，因为根据历史数据，目前还没有任何一篇当年的最佳论文拿过时间检验奖。”

即使是顶会、由最好的一群人评出来的奖，也有非常大的局限。最后哪一篇文章会冒出来，成为真正影响人类历史的工作，并不一定是当年的最佳论文。

就像当年的 NeRF，也没有拿到当年的最佳论文，但它显然成了非常重要的工作。

所以你问 2025 年有没有，我觉得很有可能有，但你问是哪一篇，我觉得没人能点出来。

你说每年的最佳论文后来都不一定拿时间检验奖，说明即使学术成果评选中最顶尖的人类，做 evaluation 也很难。

对。本质上，每个人都按照自己的品味给世界打分，也按照自己的品味创造事物。最终哪些东西被接受，其实是一个随机事件。

从这个点我想到一个延伸问题。现在大家经常讨论以后可以用 AI 做科研，或者用 AI 提升大模型。这件事相对近一点，也比较容易评估，因为模型性能怎么提升，有很多人投入，也有很多已有方法。

但如果把它放到更广泛的“用 AI 做科研”，怎么评估一个科研成果是否有价值，好像对人来说也很难，对科学家共同体来说也很难。

评价一篇论文是否达到一般意义上的水平，还是比较容易的。但它到底能不能产生深远影响，确实比较难。

也就是分辨你说的大部分噪音，和少部分帮助人类前进的砖。

对，这很难。

在 AI 里可能更直接一点。论文可以看作一个产品，可以包装得特别好，也可以确实有东西。

你可能靠着完美包装，加上有一些内容或者贡献，获得当年的好名声。但之后会有很多人来验证你的东西。如果你只是有点东西，大家会说：“还行，还不错。”

也会有人去尝试那些没有出名的东西，结果发现：“这个才是非常好用、非常有用的。”这个东西就会被越来越多人沿用、使用，反而跑出来。

这就跟创业公司一样，最后哪篇论文会跑出来，往往不是大家最看好的那篇。

到目前为止，你自己做过或参与做过的成果里，有哪个是你最骄傲、最自豪的？

下一个。

这属于标准回答。除了下一个之外呢？

有几个我还是很喜欢的。

我亲手做得比较多、最喜欢的是 RoboCook，也就是包饺子的那个工作。某种意义上，我们把包饺子这件事做出了一个样子。

当时通过一个比较直接的方案：世界模型，加上各种工具使用。我觉得这是系统级地做了一个大系统。

那个任务很难，因为是从擀面开始的，不是买现成饺子皮来包。

这也算一个长程任务，从最开始做面皮、做馅儿，到把它包起来。

对。

另外还有 DP3，是我们组的一项工作。它在一定程度上把三维视觉和扩散模型放在一起，效果比较好，我觉得也不错。

还有 R1-00，是我们最近的强化学习工作。

你刚才说“下一个”，其实你们课题组还有一个新的研究工作。

对。我们做了一个远程触觉。

比如我们在北京，上海有一个机械臂，上面带一个触觉传感器。它去触摸上海的一个东西，我在北京可以感受到那个东西的软硬、粗糙程度和一些形状。

我们还买了一个乳腺癌模型，用来做远程乳腺癌触诊。

触觉是传到人的手上？

传到人的手上，反向传过来。

当然，这只是实验，不是说已经真正应用了。但我很喜欢这件事，因为未来也许机器人会上火星，我想在地球上摸一摸火星上的东西，是不是也可以这样摸到。

它现在能模拟哪些维度？能非常像人的手，真的感受到吗？

还不能特别像。目前主要是刚才说的 3 个维度：软硬、形状和粗糙程度。

质感应该很难模拟。

对，质感很难，温度也很难。但我觉得也有可能，我们只是开了一个头。

我觉得这还挺神奇的。其实语言里关于触觉的词很少，相比视觉来说，有很多细微的东西以前也没有被表达、被语义化。

对。我们一直在做触觉，以前也做过一些触觉传感器，叫 Nine Detect。

我们还做了反向触觉，叫 Tactile Display。触觉传感器让机器人有触觉，而 Tactile Display 相当于让人能够摸到机器人的触觉。

你现在在课题组里还做一些前沿探索，公司也要做跟主线相关的研发。你自己的精力会怎么分配？尤其是智力和思考的部分。

本质上要解决的是同一件事，也就是通用的物理智能。

所以谈不上怎么分配。怎样能最快、最有效地接近物理智能，我就怎样去做。

我还有几个补充问题，关于你做播客这件事。

持续做内容挺难的，尤其我也观察到很多创业者，在创业前可能是知乎大 V，会在知乎上分享；创业之后就断更了，因为特别忙。

你在星海图之后还一直做内容，而且按你的规划，之后也会继续做。做内容给你的正反馈或者动力是什么？

做内容对我来说是一种放松。跟大家聊聊天，把聊天过程录下来。今天这样聊天我也很开心。

这个过程本身就是一种获得信息、释放信息的过程。大家坐下来喝点水、吃点东西，我觉得很开心。

第二，能够让信息变得透明，本身也是我的追求，是帮助更多人的一部分。

怎么样让那些想拿到信息、但拿不到信息的人，最终可以通过刷到我的内容，看到自己想看到的答案？这是很重要的动力。

有人半开玩笑地说：“要不是这个平台，无论是 B 站、抖音还是小红书，我永远也听不到这样的故事。”

看到这样的评论，我就会觉得做这件事挺值得。

第三，我们想做 To C 产品。客观来说，感受大家对你的评价也很有意思。

网上一旦把你放进去，就会众生平等。网球圈有一句话：费德勒到了小红书上，也会变成 2.5，对吧？大家会指点他，说这个人会不会打球。

所有人到了网上都是平等的，大家会说你哪里做得不好，哪里做得好。获得这样的真实反馈非常难得，尤其对于一个 To C 产品。

所以即使有了新公司，我们也会持续做这件事。一个核心原因就是拿到真实反馈，这对打磨产品非常有帮助。

我觉得你身上有两面性。

一方面，你在社交媒体上很活跃，有很多 AI 圈的粉丝，是一个幽默、活跃的科学段子手；但另一方面，你刚才也讲过，博士时可能会在琴房待几个小时。我看你也读很多书，连《静静的顿河》都看完了。

没看完，那是听完了。那本书很长，特别厚。

包括你会用黑塞《荒原狼》里的独白，描述自己的心情。我觉得你也有很内观、很细腻的一部分。这些东西在你身上是怎么融合的？

它们就是天然融合的。

很多喜剧演员私下里也不一定那么开心，我也一样。

你是内向型人格还是外向型？

外向型。

但你很喜欢独处。

对。我觉得这没有矛盾。

跟人打交道时，我会比较快乐、友善；但这不影响我一个人静下来思考，也不影响我觉得很多意义可能只有自己一个人才能想清楚。

有时候正是因为想清楚了很多事情，才会快乐，才会对人友善。因为你知道很多事情不重要了，所以也没有什么值得生气、发脾气、觉得委屈或不开心的。

无论得失，对我来说都挺开心的。

你最近一个人静下来时，会想哪些比较重要的问题？

最近有点静不下来。最近确实比较忙。

现在想得更多的是公司该怎么走，主线应该怎么走，节奏应该怎样。最近抽象的思考少了一些，因为具体事情来了以后，还是要先把具体事情做好。

最近看什么书了吗？

最近读书也很少，读了哈萨比斯的传记。

我很喜欢书里描述的一个问题：怎样才算度过了一个尽力的人生？

他觉得人生像一场马拉松，应该一直往前跑。跑过终点线时，最好立刻跪下；更好的情况是被抬进医院，但没有死掉。这就算过了一个尽力的人生。

这跟我的人生观很像。他讲的也是一种极致。

我在马拉比笔下看到的哈萨比斯，某种意义上是所有追求 AGI 的人的一个缩影，或者说是应该有的状态：近乎虔诚地追求自己应该追求的事情。

这件事你很有共鸣。你们的区别可能在于，他很小的时候就有了明确的使命感。

对。他很年轻的时候，参加国际象棋比赛，就在想：“我的大脑和智慧难道就要用来下棋吗？我可以做什么更大的事情？”

每个人想清楚事情的时间点不一样。有的人早一点，有的人晚一点，都无所谓。

而且想清楚了也不一定是好事。没想清楚的时候，我感受到的快乐更多。

虽然现在每天也很快乐，但感受到的快乐变少了。现在的快乐更多是因为觉得大多数事情都无所谓，所以很快乐。

在想清楚之前，我有痛苦，也有快乐，但快乐更强烈，因为那是真正快乐到了，而不是觉得无所谓。这是两种不一样的人生状态。

以前可能像婴儿的皮肤，轻轻碰一下就很敏感；现在那些东西已经很难影响到我。

你的阈值变高了。如果要真的快乐，可能需要更大、更深远的东西，才会真正快乐。

或者说成就感，可能不能用快乐来形容。

所以我又回到了帮助更多人这件事，因为我觉得自己获得的东西已经很难让我产生快乐。

你喜欢现在这个状态，还是之前的状态？

也谈不上喜欢，只是它不可逆。

马拉比可能很小就受到影响，使命在 9 岁、10 岁时就确定了。他可能更少经历前面那种状态，再也没有办法享受下棋时击败别人的快乐。

因为他算是神童。

对。但好处是，他找到了新的东西。

作为创业者，你会担心自己身上缺少某些特质吗？

其实不是特别担心。因为很难定义什么是好的创业者。

我认为创业者最重要的特质，就是有特质。你可以是木讷的人，也可以做出很好的企业；可以乐观，也可以悲观。

我们现在能听到、看到名字的企业家，每个人都很不一样。创业者没有什么一定要具备的东西。

你对创业这件事的挑战和难度，是怎么预估的？

创业的挑战肯定足够大。这也跟我的决策思路一脉相承，就是做挑战足够大的事情。

成功概率也很低。就像前面聊到哪篇论文能够跑出来一样，我觉得任何一家公司的成功概率，无论它已经很有名，还是刚刚开始，胜率都差不多，都是很低。

如果有 100 家公司，可能每家都是 1% 的概率，甚至更低，因为还有可能 100 家都失败。

创业一定是不确定的。但这就回到了几个问题：我们有没有尽全力？有没有获得极致的体验？有没有给这个世界创造一些东西？最后这件事做成了吗？

所有人加在一起，人类做成了吗？如果这些问题都有一个比较好的答案，我觉得就够了。

你觉得你为这件事能付出多少代价？

当然很多，所有的代价。

因为我要的太多了，所以任何代价都可以。

之前我也跟你聊到过，你让我想到我采访过的另一个创始人，深势科技的张林峰。他是创始人兼首席科学家，另外还有一位联创担任 CEO，负责融资、经营、商业化和客户等很多事情。

张林峰是北大元培毕业，后来去普林斯顿读博士，他们做的是 AI for Science。

我觉得你们比较像的一点是，都是科学出身，爱好广泛，也会自己写很多东西，观察自己内心和思想的变化。

你现在创业，需要一个这样的合伙人吗？还是你要自己学习、补充这部分能力？

首先我肯定要学习和补充。我觉得这件事需要自己做好，至少要知道该怎么做。

同时我们也会补充人。我有一位联创是金融背景的，他可能会起到很多补充作用。

这点很像张林峰。他的联创孙伟杰之前也是做投资的。你说你的联创以前也是 VC？

不是，他是做二级市场的。

这些事情我也想做到。我不是一心只读圣贤书的人，这些都是应该做的事，我也都会去做。

从开始筹备创业到正式成立，再到现在，差不多是小半年的时间。这段时间你有没有发现自己不一样的一面？

选择创业，通常会在很短时间里给人很大的成长空间，是一个变化很快的过程。

我一定程度上找回了曾经的自己。

多久以前的曾经？

我一直很想创业。

从高中开始就很想创业，只不过后来因为成绩比较好，又对 AI 感兴趣，就越做越学术，越做越学术。

我从来没想过自己会读博士，也没想过会读博后，最后还成了学校老师。

你小时候对未来是怎么设想的？

两个事情。

一个是创业。我从小就经常会想一些创业 idea，虽然那时候很小，也没有什么具体内容。

另一个是很想当高中老师。

你是什么家庭背景？

我妈妈是老师，我爸爸做生意。

所以一个设想类似你爸爸，自己做一件事、开公司；另一个类似你妈妈，当高中老师。

我妈妈教初中，但我觉得当老师本身是挺好玩的事情。

把一个东西搞透，再教给别人，我觉得很有意思。小时候的自己从来没想过会当大学老师，也没想过会做研究、做学术。

所以你找回了很小时候的自己。

对，而且已经很久没有这么爽过了。

最近创业，每天从早上 8 点半一直到晚上 12 点，都是满负荷工作。这样高能量地工作，确实让我很快乐。

这个过程充满了 ownership，也就是 agency，很主动地去做。你想做成什么、想要什么，然后去做，而不是别人分配给你一个事情，你再去做。

这和做联创的体验也很不一样，对吧？

当然不一样。

每个公司的联创定义也不一样，具体角色、分工和协作方式都不一样。

在我们新公司，我希望每一位联创都是独当一面的。不只是参与，而是他负责的事情应该有决策权。

所以创业之后你发现，自己回到了曾经的状态。

对。我一直是这种风格，直到读博士遇到高阳。

这个人非常严谨、非常聪明，也非常学术。我总跟他一起玩，玩着玩着就变得很学术。

你们在伯克利时就是同学，也都在 BAIR 实验室？

对。

最后一个问题。今年 8 月写生日感想，或者年底写总结时，你希望那时自己和公司处于什么状态？

我希望那时候我的孩子已经会说话了。

我希望公司有一个很不错的团队，也造出了一点东西。还希望自己乐在其中。

乐在其中。

对。带着大家从一片荒芜开始。我们今天的办公室就是一片荒芜，只有一些地板。希望从一片荒芜，跑出一点小小的样子，从一片荒芜到破壳而出。

最后点题，破壳。

对，破壳。希望机器人真的有一些东西出现。